負(fù)載感測(cè)系統(tǒng)之節(jié)能實(shí)驗(yàn)

1、6.1 負(fù)載感測(cè)系統(tǒng)之節(jié)能實(shí)驗(yàn): 本實(shí)驗(yàn)的目的，在實(shí)現(xiàn)負(fù)在載感測(cè)系統(tǒng)的節(jié)能控制，希望負(fù)載感測(cè)控制器能跟隨負(fù)載端壓力變化，及時(shí)調(diào)整變量泵的供給壓力。如圖所示，給予負(fù)載感測(cè)閥(Load-sensing valve) 定電壓0.3伏特訊號(hào)，使得負(fù)載感測(cè)缸(Load-sensing cylinder) 往前直進(jìn)。將所量測(cè)到的負(fù)載感測(cè)泵的供給壓力(Ps) 以及負(fù)載感測(cè)缸的負(fù)載端壓力(Pa) 回授回負(fù)載傳感器(Load-sensing controller)。負(fù)載感測(cè)控制器會(huì)根據(jù)Ps與Pa間的相對(duì)關(guān)系，調(diào)整負(fù)載感測(cè)泵的斜盤(pán)角度，以改變供給壓力(Ps)。目的是希望負(fù)載感測(cè)泵的供給壓力(Pa)能隨著負(fù)載感測(cè)缸

2、的負(fù)載端壓力(Pa) 的變化而調(diào)整，使著兩者間的差值(Pd) 保持一預(yù)設(shè)的常數(shù)，亦即希望 Ps-Pa=constant。圖則為負(fù)載感測(cè)控制器在Simulink 下的型態(tài)，此模糊滑動(dòng)平面控制器的輸出值為比例閥閥軸每次移動(dòng)的相對(duì)移動(dòng)量，所以需要一積分器或迭加器每一次的相對(duì)移動(dòng)量累積起來(lái)。其所選取的滑動(dòng)平面是=3e+e。本實(shí)驗(yàn)采用控制軟件是以Mat lab/Simulink 搭配 dSPACE 之ControlDesk 所建立及時(shí)控制(Real time control) 介紹，圖為此節(jié)能控制實(shí)驗(yàn)的窗口操作接口。本實(shí)驗(yàn)掃描頻率取200Hz，油溫變化約3040度之間，最大供給壓力設(shè)為160bar 左右

3、，所預(yù)設(shè)的目標(biāo)壓差為30bar。第一次實(shí)驗(yàn)(圖)時(shí)，在主缸前進(jìn)行程時(shí)不加入外界干擾力。一開(kāi)始因?yàn)樨?fù)載感測(cè)閥突然瞬間變動(dòng)，使得負(fù)載感測(cè)缸的負(fù)載力(Pa)急速累積，此時(shí)壓差仍為不可控，到約0.9秒時(shí)，負(fù)載端壓力(Pa)到某一平衡位置后，壓差的控制才有明顯的效果。約過(guò)1.4秒后，變量泵供給壓力(Ps)與負(fù)載端壓力(Pa)的差值，可維持在30bar 左右的差值，達(dá)到負(fù)載感測(cè)控制器設(shè)計(jì)的目的。第二次實(shí)驗(yàn)(圖) 時(shí)，在主缸前進(jìn)行程約3到5秒之間，對(duì)負(fù)載感測(cè)缸加入一外界干擾力約20bar。當(dāng)負(fù)載端遇到外界干擾使得負(fù)載端壓力(Pa)急速激增時(shí)，負(fù)載感測(cè)控制器也隨時(shí)偶時(shí)調(diào)整負(fù)載感測(cè)泵的供給壓力(Ps)。因此兩者

4、間的壓差(Pd) 仍然可以維持定值30bar左右。此實(shí)驗(yàn)證實(shí)了此負(fù)載感測(cè)控制器的強(qiáng)健性。電液負(fù)載感測(cè)實(shí)驗(yàn)機(jī)臺(tái)與控制系統(tǒng)介紹:液電系統(tǒng)實(shí)驗(yàn)機(jī)臺(tái)如圖2.0所示，本機(jī)臺(tái)為一相當(dāng)復(fù)雜系統(tǒng)，主要包括二個(gè)閉回路伺服控制系統(tǒng):電液負(fù)載感測(cè)系統(tǒng)(Electro-hydraulic load-sensing system) 及閥控液壓缸系統(tǒng)(Hydraulic valve controlled system)。其主要實(shí)驗(yàn)?zāi)康?，是在整合閥控液壓系統(tǒng)的伺服控制（包括軌跡速度、以及速度控制）以及電液負(fù)載感測(cè)系統(tǒng)的節(jié)能控制。2.1電液負(fù)載感測(cè)系統(tǒng): 電液負(fù)載感測(cè)系統(tǒng)包括有負(fù)載感測(cè)泵(Load-system pump)、

5、電動(dòng)馬達(dá)、導(dǎo)壓(Pilot) 動(dòng)力單元; 負(fù)載感測(cè)伺服機(jī)構(gòu)、泄載閥等組成。本系統(tǒng)主要功能是決定閥控液壓系統(tǒng)的供給壓力。當(dāng)閥控液系統(tǒng)作伺服運(yùn)動(dòng)時(shí)，其負(fù)載端壓力會(huì)變動(dòng)，故將負(fù)載端壓力回授至控制器，控制器會(huì)根據(jù)需求調(diào)整電動(dòng)比例閥控制差動(dòng)式液壓缸，藉以改變負(fù)載感測(cè)泵之斜般盤(pán)角度，提供不同的供給壓力，以達(dá)成節(jié)省能量的目的(圖)。在此負(fù)載感測(cè)泵為一可變排量柱塞泵，其作用原理如圖所示，當(dāng)(a)斜盤(pán)角度在中間時(shí)，因柱塞行程在中等位置，可得到中等排量。(b)斜盤(pán)角度在零時(shí)，柱塞行程為零，故無(wú)輸出排量。(c)斜盤(pán)角度在最大時(shí)，因柱塞行程最大，故可得到最大排量。模糊控制理論模糊集合 在傳統(tǒng)的明確集合(Crisp S

6、et)中，對(duì)于描述不同集合間的關(guān)系是二元的，也就是”有關(guān)系”或”無(wú)關(guān)系”、”0”或”1”。而模糊集合與之最大的差異是在于將描述集合間關(guān)的方式，推廣成多元值的，將集合間的關(guān)系以程度化方式表達(dá)。 舉個(gè)簡(jiǎn)單的例子來(lái)說(shuō)，假設(shè)我們定義體重超過(guò)70公斤的是過(guò)胖，則根據(jù)傳統(tǒng)集合的觀念，便是非此即彼，不是胖就是瘦兩種表示。(如下表)姓名體重(公斤)過(guò)胖(x)小明711小華680小英500小亞320 “過(guò)胖”明確集合的函數(shù)特性 從上表我們可以發(fā)現(xiàn)，單是0與1并不能完整表現(xiàn)所有人對(duì)于過(guò)胖特性的關(guān)系。很明顯的，將小華的體重68公斤與小亞的體重32公斤，同時(shí)歸屬于非過(guò)胖集合”0”時(shí)，而只乙小華多3公斤的小明卻歸屬于過(guò)

7、胖集合”1”，如此的表達(dá)方式并不能客觀、公正的呈現(xiàn)現(xiàn)實(shí)情況。 下表則是使用模糊集合表達(dá)每個(gè)人對(duì)于過(guò)胖的歸屬度，在此歸屬函數(shù)是使用成比例的方式歸屬。此種表達(dá)法比明確集合更能代表實(shí)際情況。 下表的”過(guò)胖”模糊集合可寫(xiě)成:過(guò)胖(x)=1/小明+0.9147/小華+0.7042/小英+0.4286/小亞姓名體重(公斤)過(guò)胖(x)小明711小華680.9147小英500.7042小亞320.4286 “過(guò)胖”模糊集合的函數(shù)特性模糊系統(tǒng) 模糊集合自從1965年由Zedeh教授提出后，現(xiàn)今已經(jīng)用在相當(dāng)廣泛的領(lǐng)域，例如在控制系統(tǒng)(Control system)、圖形識(shí)別(Pattern recognition

8、)、決策分析(Decision analysis)及時(shí)序信號(hào)處理等方面上。尤其在控制系統(tǒng)上，近年來(lái)有相當(dāng)多的學(xué)者在這方面投注心力。 傳統(tǒng)的控制器設(shè)計(jì)上，必須先對(duì)整個(gè)系統(tǒng)進(jìn)行了解、分析，也就是根據(jù)系統(tǒng)特性推導(dǎo)出精確的微分方程式或差分方程式表系統(tǒng)的數(shù)學(xué)模型，描述受控系統(tǒng)。然而在實(shí)際復(fù)雜系統(tǒng)上，往往很難以參數(shù)鑒定(System identification)的方式對(duì)受控制系統(tǒng)建模(Modeling)，再加上受控系統(tǒng)中本來(lái)就存在的不確定性(如:干擾)，使得傳統(tǒng)設(shè)計(jì)法增加相當(dāng)?shù)碾y度。而使用模糊系統(tǒng)的優(yōu)點(diǎn)是:一、不需要精密的數(shù)學(xué)模型。二、以人類(lèi)的專(zhuān)家的知識(shí)結(jié)合至控制器的設(shè)計(jì)流程上。三、增加對(duì)受控系統(tǒng)的強(qiáng)健

9、性(Robusteness)及適應(yīng)性。 在進(jìn)行模糊控制時(shí)，受控的行為是以一組模糊規(guī)則來(lái)加以描述，而這些模糊規(guī)則使用的是語(yǔ)意式的模糊信息，而不是數(shù)學(xué)方程式，因此可以將人類(lèi)的專(zhuān)家經(jīng)驗(yàn)轉(zhuǎn)換為模糊控制規(guī)則，減低了設(shè)計(jì)控制器的復(fù)雜度。 簡(jiǎn)單地說(shuō)，模糊控制是類(lèi)似人類(lèi)經(jīng)驗(yàn)法則的if-then形式，來(lái)表達(dá)模糊性的思考和決策過(guò)程。對(duì)于復(fù)雜的系統(tǒng)或是難以用明確的數(shù)學(xué)模式來(lái)表達(dá)的系統(tǒng)，以直覺(jué)及經(jīng)驗(yàn)為基礎(chǔ)的模糊控制，亦可獲得極佳的控制效果。模糊系統(tǒng)的架構(gòu): 一般模糊系統(tǒng)包括三個(gè)部分(1)模糊化機(jī)構(gòu)(Fuzzifier)、(2)模糊規(guī)則庫(kù)(Fuzzy rule base)、(3)模糊推論引擎(Fuzzy inferen

10、ce engine)、(4)解模糊化機(jī)構(gòu)(Defuzzifier)。圖所示為模糊控制系統(tǒng)的基本架構(gòu)。當(dāng)系統(tǒng)藉由傳感器(Sensor)將明確(Crisp)的外界數(shù)據(jù)輸入，藉由模糊化機(jī)構(gòu)將之轉(zhuǎn)化為適當(dāng)?shù)哪：畔?模糊推論引擎則是整個(gè)模糊控制系統(tǒng)的核心，它根據(jù)所得到的模糊信息以及在模糊規(guī)則庫(kù)中預(yù)先存放解決問(wèn)題所需的知識(shí)及規(guī)則，仿真人類(lèi)思考決策的模式，解決所有問(wèn)題，最后去模糊化機(jī)構(gòu)則將模糊推論引擎所推論出的模糊信息，轉(zhuǎn)化為外界所能接受的明確信息。 模糊控制系統(tǒng)的基本架構(gòu)模糊化機(jī)構(gòu)(Fuzzifier) 模糊化機(jī)構(gòu)勢(shì)將明確的外界信息轉(zhuǎn)換為適當(dāng)?shù)恼Z(yǔ)意式模糊信息，可將之視為一種映射，由一明確的空間映射到另一

11、模糊的空間。由于模糊控制理論基礎(chǔ)在于模糊理論，所以需要使用模糊化機(jī)構(gòu)將輸入數(shù)據(jù)作前置處理。 模糊化的目的即為將系統(tǒng)量到的明確值轉(zhuǎn)換為語(yǔ)意上相對(duì)的模糊標(biāo)簽，其步驟有三:量測(cè)控制器輸入變量的明確值。將(1)之值正規(guī)化依模糊論域分割之隸屬函數(shù)，找到相對(duì)應(yīng)的模糊標(biāo)簽與隸屬度。 模糊化示意圖其中E:誤差EC:誤差變化量GE:誤差增益值GEC:誤差變化量增益值模糊規(guī)則庫(kù)(Fuzzy rule base) 模糊規(guī)則庫(kù)是由一組以If-Then形式的模糊規(guī)則所組成，以這種表達(dá)方式表達(dá)系統(tǒng)輸入與輸出的關(guān)系。故，可將多輸入多輸出的系統(tǒng)分解成數(shù)個(gè)多輸入輸出的系統(tǒng)，其主要形式有:語(yǔ)意式模糊規(guī)則(linguistic f

12、uzzy rule)模糊規(guī)則Rj: If X1 is Aj1 and and Xp is Ajp Then y is Bj其中 Aj1與Bj是語(yǔ)意式模糊變量函數(shù)式模糊規(guī)則 模糊規(guī)則Rj: If X1 is Aj1 and and Xp is AjpThen y is fj(X1,X2,.，Xp)Tsukamoto模糊規(guī)則此種模糊規(guī)則與第一種規(guī)則差異性不多，主要差別在于此規(guī)則推論后，得到的會(huì)是一個(gè)明確的值。模糊規(guī)則庫(kù)中所存放的控制規(guī)則主要來(lái)自于:依據(jù)系統(tǒng)的響應(yīng)推導(dǎo)出控制規(guī)則:最簡(jiǎn)單的方法便是輸入一個(gè)最基本的步階(Unit Step)響應(yīng)，將其輸出訊號(hào)的響應(yīng)與輸入的誤差、誤差變化量訊號(hào)作討論、比較

13、，觀察其特性，再以If-Then形式表示其控制規(guī)則。參考專(zhuān)家的知識(shí)或操作者的經(jīng)驗(yàn)，將其歸納、整理:可參照、詢(xún)問(wèn)專(zhuān)家從事相關(guān)研究所得的知識(shí)，或是現(xiàn)場(chǎng)操作員長(zhǎng)時(shí)間累積出的操作經(jīng)驗(yàn)，將之整編成If-Then此種語(yǔ)意式的型態(tài)，得到規(guī)則庫(kù)。根據(jù)推導(dǎo)出的系統(tǒng)模型作研究所得:將實(shí)際系統(tǒng)的數(shù)學(xué)模型推導(dǎo)出，可幫助設(shè)計(jì)者更了解系統(tǒng)參數(shù)。一般將推導(dǎo)出的模型于相關(guān)仿真軟件下(如:Simulink)仿真，可以將加速對(duì)實(shí)際系統(tǒng)的掌握，增快效率。自我學(xué)習(xí)修正:單靠經(jīng)驗(yàn); 直覺(jué)所歸納出的控制規(guī)則庫(kù)，在實(shí)際運(yùn)用時(shí)常常會(huì)出現(xiàn)規(guī)則庫(kù)不合需求或是不足的情況。于是近年來(lái)，有相當(dāng)多的新技術(shù)來(lái)從事規(guī)則庫(kù)的們我學(xué)習(xí)、改良，如類(lèi)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、

14、基因算法。在此論文中，便是以自組織模糊控制器對(duì)規(guī)則庫(kù)作修正。模糊推論引擎(Fuzzy inference engine) 模糊推論引擎是整個(gè)模糊系統(tǒng)的核心部分，根據(jù)規(guī)則庫(kù)中設(shè)定的控制條件，將件部、后件部所構(gòu)成的模糊關(guān)系與輸入變量的集合作運(yùn)算，很到所需的輸出變量，藉以仿真人類(lèi)思考解決控制問(wèn)。以下便是模糊推論的示意圖。模糊推論引擎示意圖 舉個(gè)例來(lái)說(shuō)，對(duì)于最簡(jiǎn)單的單一規(guī)則、單一變量，其運(yùn)算過(guò)程可表示如下: 輸入條件 : X is A 規(guī)則庫(kù) : If X is A,then y is B- 結(jié)論 : Y is B單一規(guī)則、單一變量的推論過(guò)程 將單變量、單規(guī)則推廣成多變量、多規(guī)則的通式，可得下列運(yùn)算過(guò)

15、程: 輸入 :X is A and Y is B 模糊規(guī)則R1:If X is A1 and Y is B1 ,then Z is C1 Else 模糊規(guī)則R2:If X is A2 and Y is B2 ,then Z is C2 Else 模糊規(guī)則Rj:If X is A2 and Y is B2 ,then Z is C2 Else-結(jié)論 : Z is C其中Else可解釋為聯(lián)集，因此:推論的過(guò)程圖 多規(guī)則、多變量的推論過(guò)程解模糊化機(jī)構(gòu)(Defuzzifier) 將模糊推論所得到的結(jié)論，經(jīng)過(guò)解模糊化機(jī)構(gòu)運(yùn)算后，轉(zhuǎn)換為明確的數(shù)值。由于模糊規(guī)則所采取的后鑒部會(huì)有所不同，經(jīng)過(guò)模糊推論后所得到的結(jié)論，有的是以模糊集合表達(dá)(如語(yǔ)意式模糊規(guī)則)，而有的是明確數(shù)值來(lái)表達(dá)(如函數(shù)式模糊規(guī)則)。以下分別解釋:當(dāng)推論后得到的是模糊集合: 令模糊集合C為為模糊規(guī)則經(jīng)過(guò)模